Miren Jasone Ramírez-Ayerbe

Jasone Ramírez Ayerbe ha desarrollado su investigación postdoctoral en el Departamento de Informática e Investigación Operativa de la Université de Montréal (Canadá). En noviembre de 2026 se incorporará como profesora en investigación operativa e inteligencia artificial a la Universidad Técnica de Múnich (Alemania).

Es graduada en Matemáticas y en Física por la Universidad de Sevilla (2019), donde también obtuvo el Máster Universitario en Matemáticas (2020) y el doctorado en Matemáticas (2024), con la calificación de sobresaliente cum laude. Su tesis doctoral, dirigida por Emilio Carrizosa y Dolores Romero Morales, abordó el desarrollo de modelos de optimización matemática para el análisis contrafáctico grupal. Durante su formación doctoral realizó estancias de investigación en Copenhagen Business School (Dinamarca) y Cornell Tech (Estados Unidos).

Es coautora de artículos de investigación en revistas internacionales de investigación operativa y ciencia de datos. Ha participado en proyectos de investigación y de transferencia de conocimiento, con colaboraciones con el Instituto de Estadística y Cartografía de Andalucía y la empresa IMESAPI. También ha impartido docencia universitaria y ha contribuido a la organización de sesiones científicas en congresos internacionales y de seminarios del proyecto europeo NeEDS, en cuyo comité directivo participó como representante de jóvenes investigadores.

En 2026 recibió el Premio de Investigación Matemática Vicent Caselles de la Real Sociedad Matemática Española y la Fundación BBVA. En 2024 fue galardonada, junto con Emilio Carrizosa y Dolores Romero Morales, con el Premio SEIO–Fundación BBVA a la mejor contribución en estadística e investigación operativa aplicada a la ciencia de datos.

Su investigación se centra en el desarrollo de modelos y algoritmos de optimización matemática para explicar las predicciones de modelos de aprendizaje automático y las decisiones de problemas de optimización. En particular, trabaja en explicaciones contrafácticas, que identifican qué cambios en los datos permitirían obtener un resultado distinto. Sus contribuciones abarcan las explicaciones para grupos, el tratamiento de datos complejos y la explicación de decisiones bajo incertidumbre.